TriagerX: L'Architettura Dual-Transformer Migliora il Triage dei Bug con Analisi di Contenuto e Interazioni

TriagerX introduce un'architettura dual-transformer per migliorare le attività di triage dei bug, affrontando le limitazioni degli attuali modelli linguistici pre-addestrati (PLM). A differenza dei modelli baseline all'avanguardia a singolo trasformatore, TriagerX raccoglie raccomandazioni da due trasformatori, ciascuno dei quali utilizza i suoi ultimi tre strati per generare una classificazione robusta basata sul contenuto. Questo approccio cattura meglio la semantica dei token rispetto ai tradizionali modelli di machine learning che si basano su caratteristiche statistiche come TF-IDF o bag of words. I PLM spesso prestano attenzione a token meno rilevanti nei report dei bug, riducendo la loro efficacia. Inoltre, ignorare la cronologia delle interazioni degli sviluppatori attorno a bug simili può portare a raccomandazioni subottimali. Il modello, dettagliato nella preprint arXiv 2508.16860v2, mira a migliorare l'accuratezza considerando sia il contenuto che le interazioni degli sviluppatori. La sua configurazione dual-transformer fornisce una valutazione più affidabile della semantica dei token, potenzialmente migliorando l'assegnazione dei bug nello sviluppo software.